算法设计三（3）——非单位时间任务安排问题

pan.baidu.com/s/1w-VSMWmr9ntEWWdxZoD4Yw 
码：jnlh 

算法分析与设计
时间	2020.5.17
实验名称	非单位时间任务安排问题
实验目的	通过上机实验，要求深度掌握贪心算法的问题描述、算法设计思想、程序设计。
实验原理	利用贪心思想，根据题目所给出的条件，求解问题，计算出最小总误时惩罚。
实验步骤	问题分析：    具有截止时间和误时惩罚的任务安排问题可描述如下 　　(1) 给定n个任务的集合S={1,2,…,n}； 　　(2) 完成任务i 需要ti 时间，1 <= i <= n； 　　(3) 任务i的截止时间i d ,1≤i≤n，即要求任务i在时间i d 之前结束； 　　(4) 任务i 的误时惩罚i w ,1≤i≤n,即任务i 未在时间i d 之前结束将招致i w 的惩罚，若按时完成则无惩罚。 　　任务安排问题要求确定S 的一个时间表（最优时间表）使得总误时惩罚达到最小。     实验任务：对于给定的n个任务，编程计算总误时惩罚最小的最优时间表。     首先将任务按其截止时间非减序排序； 　　对任务1,2 ,……,i，如果截止时间为d，则设最小误时惩罚为 p( i , d ) 。 　　递归式为：p( i , d ) = min{ p(i-1, d)+wi ，p(i-1, min{d, di}-ti) } 　　p(i-1, d)+wi 表示决定不做第 i 个任务，p(i-1, min{d, di}-ti) 表示决定要做第 i 个任务，这时必须在第 i 个任务的截至时间前做完它（即 min{d, di}-ti） 　　  算法思想：    先将任务集按照结束时间非递减排序； 　 设置数组p[ ][ ]来保存 p( i , d )的结果（本算法的局限性：时间只能为整数值）。 　　对于第一个任务来说，如果时间少于它需要执行的时间 t，则会遭受惩罚——p[1][ 0 ~ tasks[1].t ]=tasks[i].w； 　　时间够则不然——p[1][ 0 - tasks[1].t ]=0。 对于第 i 个任务 的任务来说(i取2到n)，就如果时间少于它需要执行的时间 t，则不能执行它了，只能放弃—— p[ i ][ 0 ~ tasks[1].t ]=p(i-1, d)+wi； 如果时间够，则看是执行了好还是不执行好—— p[ i ][  tasks[1].t ~d ] =  min{ p(i-1, d)+wi ，p(i-1, min{d, di}-ti) }。    即类似于动态规划算法，每次都选择最佳选项，使得局部最优最终得到全局最优； 算法步骤： ① 将用例数据从文件中读取并初始化需要的数据； ② 将所有工作按照截止时间从小到大排序； ③遍历排序后的任务，对每一项任务做如下处理： ④遍历所取的截至时间x（从0到所有任务的最大的截取时间）， 如果该截取时间x大于当前任务i的截止时间，则必然超时，令p[i][j]=p[i-1][j]+task[i].w（当前任务超时惩罚）即可;  如果x小于当前任务i的截止时间，那么从超时与不超时两种情况里面选出最小的min{p[i-1][j]+task[i].w、p[i-1][x-task[i].t]}作为p[i][d]即可； ⑤当所有任务遍历结束，p[n-1][d]即为最小超时惩罚；
关键代码	关键代码（带注释） 1. 核心部分dyna（） for循环对排序后的每个任务进行贪心选择求最小的超市惩罚； 首先令p[i][j]=p[i-1][j]+task[i].w（当前任务超时惩罚），    如果x小于当前任务i的截止时间，那么从超时与不超时两种情况里面选出最小的min{p[i-1][j]+task[i].w、p[i-1][x-task[i].t]}作为p[i][d]即可； 2. init初始化函数（从文件中读）    读出每一个任务的时间、截止时间、超时惩罚，并按截止时间来从小到大排列，并对表示i任务d截止时间超时惩罚的f[i][d]进行初始化； 3. 计算时间部分代码 通过时间函数QueryPerformanceFrequency与cpu的主频频率得到程序段的运行时间，可以精确到微妙，比clock函数更精确一些； 4. 数据生成代码 与上述两个实验的数据生成方法相同，使用随机数函数来生成；
测试结果	运行结果截图及分析 对于题目样例：     运行正确；  对于三种不同规模的数据文件（10、100、1000）    时间增长较为明显，大致接近O（n^2）； 时间复杂度分析：    分为两部分，初始化部分的快排算法需要O（nlogn）的时间复杂度，贪心选择部分的双重for循环则需要O（nd），总共需要    O（nlogn + nd）d=max{di}；  空间复杂度分析：  最少需要O（n*d）d=max{di}，主要存储动规表；
实验心得	通过这道问题，我进一步的理解了贪心选择算法与动态规划算法之间的联系——最优子结构，通过局部最优一步一步的推导出最终的整体最优；也进一步的掌握了贪心算法的使用方法，尤其是贪心选择的选择方法，也使我的编程能力有了进一步的提升；